Hybrid orientation of LiDAR point clouds and aerial images

Abstract

Airborne Laserscanning (auch LiDAR, Light Detection And Ranging) und Luftbildphotogrammetrie sind zwei bewährte und weit verbreitete Technologien um dreidimensionale topographische Daten zu erfassen. Obwohl beide Technologien auf unterschiedlichen Rekonstruktionsprizipien basieren (Polarmessung bzw. Triangulierung von Sehstrahlen), dienen beide im Endeffekt dem gleichen Zweck, der dreidimensionalen Rekonstruktion der Erdoberfläche. Es ist daher naheliegend die Daten dieser beiden Technologien zu kombinieren um genauere und vollständigere Endprodukte zu erzeugen. Zu diesem Thema der Datenfusion wurden in der Vergangenheit bereits viele Arbeiten publiziert. Dies gilt jedoch nicht für eine integrierte Lösung der ersten beiden Schritte die unmittelbar nach der Datenerfassung durchzuführen sind, nämlich (a) die Streifenausgleichung der Laserscanning-Daten und (b) die Aerotriangulation der Luftbilder. Eine mögliche Folge der getrennten Handhabung dieser beiden Probleme sind große Abweichungen (von bis zu mehreren Dezimetern) zwischen dem ausgeglichenen Laserund Bildblock. Diese Gefahr besteht vor allem in verhältnismäßig schwierigen Situationen wie z.B. Korridorflügen mit nur einem Streifen oder falls wenige oder gar keine Bodenreferenzdaten zur Verfügung stehen. Um derartige Probleme zu vermeiden, und dabei noch von vielen anderen Vorteilen zu profitieren, wurden diese beiden Schritte in der vorliegenden Arbeit in einer gemeinsamen hybriden Orientierung von Laserscanning-Punktwolken und Luftbildern zusammengeführt. Das vordergründige Ziel der vorgestellten Methode ist die gleichzeitige relative und absolute Orientierung (Georeferenzierung) der Laserund Bilddaten. Diese Daten können in der Folge für die Erstellung von sehr genauen und in sich konsistenten zweioder dreidimensionalen topographischen Produkten verwendet werden. Die Orientierungen der Laserscanning-Daten und Luftbilder wird durch die Minimierung der Abstände (a) innerhalb der überlappungsbereiche der Daten und (b) gegenüber etwaig vorhandenen Bodenreferenzdaten optimiert. Der Messprozess wird dabei möglichst akkurat modelliert indem die Originalmessungen der Sensoren (z.B. die Polarmessungen des Scanners) und die Trajektorie der Flugplattform berücksichtigt werden. Sowohl Laserscanner, als auch die Kameras, können durch die Schätzung interner Kalibriergrößen und der Montageparameter vollständig neu kalibriert werden. Systematische Fehler der Flugtrajektorie können individuell für jeden einzelnen Streifen korrigiert werden. Bei sehr hohen Genauigkeitsansprüchen können sogar zeitvariierende Trajektorienfehler durch deren Modellierung in Form von natürlichen kubischen Splines kompensiert werden. Das methodische Rahmenwerk für die hybride Ausgleichung wurde vom ICP-Algorithmus übernommen. Daher werden Korrespondenzen iterativ und auf Punktbasis hergestellt. Letzteres ermöglicht die Nutzung der höchstmöglichen Auflösung der Daten. Für die Selektion der Korrespondenzen in den überlappungsbereichen der Punktwolken, stehen vier Strategien zur Auswahl. Neu eingeführt wurde dabei die Maximum Leverage Sampling Methode. Mit dieser können automatisch jene Korrespondenzen gewählt werden, die sich für die Schätzung der Transformationsparameter am besten eignen. Die verschiedenen Aspekte der hybriden Ausgleichung werden in vier Beispielen beleuchtet. Dabei wird gezeigt, dass die Integration der Streifenausgleichung und Aerotriangulation zu vielen Synergien führt. Hervorzuheben sind dabei eine erhöhte Blockstabilität (wobei Blockdeformation, z.B. eine Durchbiegung, besser vermieden werden können) und eine genauere Schätzung der Parameter.

Airborne LiDAR (Light Detection And Ranging) and airborne photogrammetry are both proven and widely used techniques for the 3D topographic mapping of extended areas. Although both techniques are based on different reconstruction principles (polar measurement vs. ray triangulation), they ultimately serve the same purpose, the 3D reconstruction of the Earths surface. It is therefore obvious for many applications to integrate the data from both techniques to generate more accurate and complete results. Many works have been published on this topic of data fusion. However, no integrated solution existed prior to this work for the first steps that need to be carried out after data acquisition, namely (a) the lidar strip adjustment and (b) the aerial triangulation. A consequence of solving these two optimization problems independently can be large discrepancies (of up to several decimeters) between the lidar block and the image block. This is especially the case in challenging situations, e.g. corridor mapping with one strip only or in case few or no ground truth data is available. To avoid this problem and thereby profit from many other advantages, a first rigorous integration of these two tasks, the hybrid orientation of lidar point clouds and aerial images, is presented in this thesis. The main purpose of the presented method is to simultaneously optimize the relative orientation and absolute orientation (georeference) of the lidar and image data. This data can be used afterwards to generate accurate and consistent 3D or 2D mapping products. The orientation of the lidar and image data is optimized by minimizing the discrepancies (a) within the overlap area of this data and (b) with respect to ground truth data, if available. The measurement process is thereby rigorously modelled using the original measurements of the sensors (e.g. the polar measurements of the scanner) and the flight trajectory of the aircraft. This way, systematic measurement errors can be corrected where they originally occur. Both, lidar scanners and cameras, can be fully re-calibrated by estimating their interior calibration and mounting calibration. Systematic measurement errors of the flight trajectory can be corrected individually for each flight strip. For highest accuracy demands, time-dependent errors can be modelled by natural cubic splines. The methodological framework of the hybrid adjustment was adapted from the ICP algorithm. Consequently, correspondences are established iteratively and on a point basis to maintain the highest possible resolution level of the data. Four different strategies are presented for the selection of correspondences within the overlap area of point clouds. Thereby, the Maximum Leverage Sampling strategy is newly introduced. It automatically selects those correspondences that are best suited for the estimation of the transformation parameters. The various aspects of the hybrid adjustment are discussed on the basis of four examples. It is demonstrated, that the integration of the lidar strip adjustment and aerial triangulation leads to many synergetic effects. Two of the major advantages are an increased block stability (avoiding block deformations, e.g. bending) and an improved determinability of the parameters.